Nos capítulos anteriores foram descritos os procedimentos para capturar e identificar as PDs em imagens de lavouras de cana-de-açúcar. Esta seção descreve os resultados de dois experimentos realizados.
Conforme descrito no Capítulo 3, a metodologia utilizada foi de aprendizado supervisionado, de forma que, amostras foram manualmente selecionadas e extraídas de imagens pertencentes a espécies conhecidas da cultura e PDs. Posteriormente, as amostras foram subdivididas em subimagens de 25 de área. Na sequência, para cada subimagem foram calculados os vinte e quatro descritores estatísticos, oito de cada cor (média, desvio médio, desvio padrão, variância, curtose, assimetria e valores máximos e mínimos dos pixels). Esses descritores, pertencentes a subimagens previamente identificadas como sendo de uma espécie de PD, cultura ou solo, foram utilizados nos módulos de classificação do Software WEKA. Neste trabalho foram testados os classificadores RNA, RF e kNN, cujos resultados podem ser vistos a seguir.
4.1 Experimento 1
O classificador RNA foi o que obteve o melhor desempenho no Experimento 1 com DG de 76% e coeficiente Kappa de 0,72, o segundo melhor foi o classificador RF com 74,29% de DG e coeficiente Kappa de 0,7 (Tabela 15). De acordo com PANDEY et al (2008), estes dois classificadores podem ser considerados de concordância substancial ou boa concordância. O classificador kNN obteve DG de 62,6% e coeficiente Kappa de 0,5633, podendo ser considerado de concordância moderada (Tabela 15).
Tabela 15. Resumo do Desempenho dos Classificadores
RNA RF kNN
DG 76,0% 74,3% 62,6% Kappa 0,7200 0,7000 0,5633
As Tabelas 16, 17 e 18 apresentam as matrizes de confusão dos três classificadores RNA, RF e kNN, respectivamente. A Tabela 19 apresenta os resultados por classe para os três classificadores: RNA, RF e kNN.
O classificador RNA foi que obteve o melhor DG para todas as classes, exceto para Euforbia heterophylla, cujo melhor resultado foi alcançado pelo classificador RF, no entanto, com grande número de falsos positivos (Tabela 16) e, consequentemente, com EU (Precisão) menor que RNA (Tabela 19). Neste experimento, o classificador kNN não obteve melhor desempenho que os demais classificadores em nenhuma espécie de planta.
Tabela 16.Resultados do Classificador RNA para o Experimento 1
Tabela 17. Resultados do Classificador RF para o Experimento 1
Classificada como --> A b c d e f g Totais de Linhas a = cana-de-açúcar 43 3 1 0 0 3 0 50 b = P. maximum 0 23 24 3 0 0 0 50 c = I. hederifolia 4 2 42 2 0 0 0 50 d = E. heterophylla 0 11 3 35 1 0 0 50 e = I. quamoclit 0 0 0 2 37 5 0 50 f = B. decumbens 3 7 3 1 0 36 0 50 g = solo 0 0 0 0 0 0 50 50 Totais de Colunas 50 52 73 43 38 44 50 350
Classificada como --> a b c d e f g Totais de Linhas a = cana-de-açúcar 41 2 4 0 0 3 0 50 b = P. maximum 0 22 24 3 0 1 0 50 c = I. hederifolia 3 3 42 1 0 1 0 50 d = E. heterophylla 0 4 3 41 2 0 0 50 e = I. quamoclit 0 2 0 13 33 2 0 50 f = B. decumbens 3 6 2 3 0 35 1 50 g = solo 0 0 0 0 4 0 46 50 Totais de Colunas 47 39 75 61 39 42 47 350
Tabela 18. Resultados do Classificador kNN para o Experimento 1
Tabela 19. EP (Taxa de Acerto) e EU (Precisão) do Experimento 1
Classes RNA RF kNN EP (Acerto) (%) EU (Precisão) (%) EP (Acerto) (%) EU (Precisão) (%) EP (Acerto) (%) EU (Precisão) (%) PDs P. maximum 46,0 44,2 44,0 56,4 40,0 40,8 I. hederifolia 84,0 57,5 84,0 56,0 52,0 44,1 E. heterophylla 70,0 81,4 82,0 67,2 76,0 53,5 I. quamoclit 74,0 97,4 66,0 84,6 40,0 83,3 B. decumbens 72,0 81,8 70,0 83,3 52,0 52,0 Média PDs 69,2 72,5 69,2 69,5 52,0 54,7 Cultura Cana-de- açúcar 86,0 86,0 82,0 87,2 78,0 86,7 Média Plantas 72,0 74,7 71,3 72,5 56,3 60,1 Solo 100,0 100,0 92,0 97,9 100,0 96,2 Média Geral 76,0 78,3 74,3 76,1 62,6 65,2
A comparação de resultados foi feita com o trabalho de SANTIAGO (2015), por se tratar de um trabalho que antecedeu a este e ter em comum, principalmente, as espécies estudadas e o tipo de câmera utilizada, no entanto, o trabalho de SANTIAGO (2015) teve uma espécie de PD a mais (Brachiaria plantaginea). Os resultados deste trabalho também foram comparados com o trabalho de PEÑA et al. (2015), que possui em comum o uso de RPAs e o tipo de câmera, sendo as principais diferenças as espécies envolvidas e a altura de voo.
O resumo dos resultados por SANTIAGO (2015) podem ser vistos nas Tabelas 20 e 21, que contém os melhores resultados alcançados nos experimentos EP2 e EP3, que foram usando um dicionário de 650 palavras (Long et al., 2014), que foi um dos parâmetros
Classificada como --> a b c d e f g Totais de Linhas a = cana-de-açúcar 39 1 5 0 0 5 0 50 b = P. maximum 1 20 16 11 0 2 0 50 c = I. hederifolia 2 11 26 4 0 7 0 50 d = E. heterophylla 0 4 4 38 4 0 0 50 e = I. quamoclit 0 4 1 15 20 10 0 50 f = B. decumbens 3 9 7 3 0 26 2 50 g = solo 0 0 1 0 0 0 50 50 Totais de Colunas 45 49 60 71 24 50 52 350
utilizados por SANTIAGO (2015) para geração de dados para o Classificador SVM, os resultados do experimento EP1 não participaram da comparação porque as PDs foram plantadas em vasos, portanto, em condições diferentes de plantadas no solo e, também, porque os resultados foram próximos do experimento EP2, ou seja, tanto EP1, quanto EP2 obtiveram Desempenho Geral em torno de 92%.
O resultado alcançado por SANTIAGO (2015) em EP2 foi muito expressivo e superou em 20,6 pontos percentuais ao resultado obtido pelo Classificador RNA do Experimento 1 deste trabalho, considerando o DG da Média das Plantas (Tabela 19), ou seja, desconsiderando a classe solo, que no trabalho de SANTIAGO (2015) foi separada em etapas anteriores.
Em relação a EP3 os resultados ficaram muito próximos, com 71,6% contra 72% de DG, obtidos respectivamente em EP3 e pelo classificador RNA do Experimento 1. O coeficiente Kappa do Experimento 1, por considerar todos os elementos da matriz de confusão, não pode ser calculado sem a classe solo e, neste caso, ficou superior em 0,29 o coeficiente Kappa obtido por SANTIAGO (2015).
A partir dos resultados apresentados por SANTIAGO (2015) foi possível fazer, também, a comparação de resultados por classe entre EP3 e o classificador RNA do Experimento 1 deste trabalho. Sendo para:
a) a Exatidão do Produtor ou Taxa de Acertos, para PD o experimento EP3 obteve 1,4 pontos percentuais acima do classificador RNA do Experimento 1, em contrapartida, em relação a cana-de-açúcar o EP3 ficou 13,2 pontos percentuais abaixo do classificador RNA do Experimento 1.
b) a Exatidão do Usuário ou Precisão, para PD o experimento EP3 obteve 1,6 pontos percentuais acima do classificador RNA do Experimento 1, em contrapartida, em relação a cana-de-açúcar o EP3 ficou 16,9 pontos percentuais abaixo do classificador RNA do Experimento 1.
Considerando, que no trabalho de SANTIAGO (2015) havia uma PD a mais e que isto aumenta a dificuldade no processo de identificação (ZHANG et al., 2016), no entanto, neste trabalho a resolução foi menor, devido a maior distância do alvo a ser fotografado e que o controle sobre a tomada de imagens, também, foi menor (sensoriamento remoto). Sendo a diferença no DG entre o EP3 e o classificador RNA do Experimento 1 foi de apenas 0,4 pontos percentuais e que o classificador RNA superou a taxa de acertos o EP3 em 13,2 pontos percentuais, podemos considerar bastante positivos os resultados alcançados.
Tabela 20. Resumo dos Resultados de SANTIAGO (2015)
Experimento Classes Dicionário DG (%) Kappa
EP2 Milho e 6 PDs 650 92,6 --
EP3 Cana-de-açúcar e 6 PDs 650 71,6 0,43
Tabela 21. Resumo dos Resultados de SANTIAGO (2015) por Classe Experimento Dicionário Classe EP (Acerto) (%) EU (Precisão) (%)
EP3 650 PD 70,6 74,1
Cana-de-açúcar 72,8 69,1
Conforme descrito anteriormente, foi feita a comparação com o trabalho de PEÑA et al. (2015), por se tratar, também, de um trabalho de sensoriamento remoto. Para realizar esta comparação um resumo com os melhores resultados para câmera RGB do trabalho de PEÑA et al. (2015) foi transportado para a Tabela 22. A tabela original pode ser consultada no Anexo 3.
Os melhores resultados obtidos no Experimento 1 foram de 86% de exatidão do produtor ou taxa de acerto na identificação da cultura (cana-de-açúcar) e de 69,2% como média da exatidão do produtor ou das taxas de acerto das PDs (Tabela 19), utilizando o classificador RNA. Comparando os resultados:
a) para cultura, o classificador RNA ficou 14 pontos percentuais abaixo para 44 DAS, ficando 2 pontos percentuais abaixo para 50 e 57 DAS de PEÑA et al. (2015).
b) para PDs, a média das taxas de acerto de PDs do classificador RNA ficou abaixo em 1,8 pontos percentuais para 44 DAS, 7,8 pontos percentuais abaixo para 50 DAS e 1,2 pontos percentuais acima para 57 DAS.
Considerando que das seis comparações realizadas, em quatro a diferença entre os resultados não ultrapassou 2 pontos percentuais, que o DG tende a decrescer conforme cresce o número de classes (ZHANG et al., 2016), sendo que no SIPD foram avaliadas sete classes (cultura, solo e cinco PDs) e que no trabalho de PEÑA et al. (2015) somente duas classes foram avaliadas. Além disso, no trabalho de PEÑA et al. (2015) somente foram identificadas PDs nas entrelinhas da lavoura, os resultados obtidos podem ser considerados significativos, mesmo voando bem abaixo que PEÑA et al. (2015), porque esta é justamente a vantagem de se utilizar imagens capturadas a partir de uma RPA, em relação a satélites e aviões.
Tabela 22.Resumo da Avaliação de Resultados na Detecção de PDs de PEÑA et al. (2015)
EP ou Taxa de Acerto (%)
DAS Altura (m) Planta RGB
44 40 Weed 71 No weed 100 50 40 Weed 77 No weed 88 57 40 Weed 68 No weed 88
A penúltima atividade do SIPD é a Identificação das PDs por Código de Cores (fluxo de linha contínua vermelha do Fluxograma do SIPD da Figura 14) para facilitar a visualização da cultura e PDs nas imagens processadas pelo sistema. O resultado visual da atividade de identificação do Grupo de Validação (Figura 30) apresenta cana-de-açúcar (a), P. maximum (b), I. hederifolia (c), E. heterophylla (d), I. quamoclit (e) e B. decumbens (f)), nas quais as letras minúsculas (e.g., a) representam as partes de imagens originais. As letras minúsculas com um
extraídas, que foram utilizadas para a avaliação de desempenho dos classificadores. E as letras mesmas partes das imagens originais, no entanto, com as PDs identificadas de acordo com o código de cores: vermelho para cana- de-açúcar, azul para P. maximum, amarelo para I. hederifolia, laranja para E. heterophylla, lilás para I. quamoclit e violeta para B. decumbens.
Observando a Figura 30 é possível notar, pelo código de cores, identificações feitas indevidamente pelo sistema classificador, neste caso RNA, isto ocorre devido a diferentes cores das folhas, que uma mesma planta pode ter. Esta diferença de coloração ocorre devido a diferenças de tempo de exposição solar, as quais as plantas são submetidas durante seu desenvolvimento. Folhas de plantas que recebem mais luz solar tendem a ser mais claras que as que recebem menos luz solar (KLICH, 2000). Outras causas de diferença de coloração de folhas de plantas de mesma espécie são: a idade da folha e eventuais deficiências nutricionais.
/ (a) (b) (b (b (c) (c (c
Figura 30 Partes de imagens originais, com amostras extraídas identificadas com apóstrofe ( e com as PDs identificadas de acordo com o código de cores com dois apóstrofes ( do Grupo de Validação: cana-de-açúcar (a), P. maximum (b), I. hederifolia (c), E. heterophylla (d), I. quamoclit (e) e B. decumbens (f).
(d) (d (d
(e) (e (e
O resultado visual do SIPD está disponível no site: http://ihyano.epizy.com/mapa_CEA.html (Figura 31). A imagem de fundo é a fornecida pelo Google Maps e, por isso, está desatualizada, servindo apenas de referência, mas pelas construções, estradas e outros pontos permanentes nas paisagens é possível localizar os locais de infestação sem dificuldades.
Da mesma forma que as imagens do Grupo de Treinamento e Validação, os pins foram identificados de acordo com o código de cores das PDs presentes nas imagens a eles associadas, bem como, pelo grupo (Validação ou Treinamento) ao qual a imagem pertencia. Mas em situações reais de campo, quando em uma imagem existem diversas PDs, os pins poderão ter outras identificações, tais como a localização a qual se refere a imagem, os horários em que as fotos foram tiradas, a presença de alguma PD predominante e que se deseja identificar, entre outras possibilidades.
Figura 31 Imagem da Lavoura fornecida pelo Google Maps, com pins para acesso a imagens com PDs identificadas por codigo de cores.
4.2 Experimento 2
No segundo experimento, o classificador RNA obteve o melhor desempenho novamente, em ambas análises realizadas com DG de 72,50% e coeficiente Kappa de 0,6700 nas imagens de 10/07/2017 e com DG de 72% e coeficiente Kappa de 0,6640 nas imagens
capturadas em 01/08/2017. A posição dos classificadores RF e kNN, também, não se alteraram em relação ao Experimento 1, ficando respectivamente em segundo e terceiro lugares, conforme a Tabela 23. Segundo PANDEY et al (2008) os classificadores RNA e RF podem ser considerados de boa concordância e o classificador kNN, pode ser considerado de concordância moderada.
A Tabela 23 contém o resumo dos resultados dos três classificadores para a análise os dias 10/07/2017 e 01/08/2017. As Tabela 24 e 25 apresentam os resultados por classe para os três classificadores: RNA, RF e kNN para as análises dos dias 10/07/2017 e 01/08/2017, respectivamente.
As matrizes de confusão das análises do Experimento 2 podem ser consultadas nos Apêndices 3 e 4. O classificador RNA foi melhor em todas as classes do Experimento 2, com exceção de E. heterophylla na análise do dia 10/07/2017, em que o classificador RF foi pouco superior em 5 pontos percentuais, no entanto, para essa classe o classificador RNA apresentou Exatidão do Usuário (Precisão) superior ao classificador RF, em 24 pontos percentuais (Tabela 24). Demonstrando que o classificador RNA apresentou resultado geral consideravelmente superior à RF e kNN.
Tabela 23. Resultados do Experimento 2: RNA, RF e kNN
RNA RF kNN
DG (%) Kappa DG (%) Kappa DG (%) Kappa 10/07/2017 72,50 0,6700 68,33 0,6200 60,00 0,5200 01/08/2017 72,00 0,6640 59,33 0,5120 54,00 0,4480
Os resultados obtidos no Experimento 2 também foram comparados com os resultados obtidos por SANTIAGO (2015). O trabalho de SANTIAGO (2015) em relação ao DG:
a) do experimento EP2, superou o classificador RNA nas análises dos dias 10/07/2017 e 01/08/2017 do Experimento 2 em 24,6 e 26,2 pontos percentuais, respectivamente;
b) do experimento EP3, superou o classificador RNA nas análises dos dias 10/07/2017 e 01/08/2017 do Experimento 2 em 3,6 e 5,2 pontos percentuais, respectivamente;
A comparação do trabalho de SANTIAGO (2015) em relação ao coeficiente Kappa do Experimento EP3 e o classificador RNA do Experimento 2 nas análises dos dias 10/07/2017 e 01/08/2017, ficou abaixo em 0,25 e 0,234, respectivamente. Lembrando, que os coeficientes Kappa utilizados para esta comparação foram obtidos com quatro espécies de PDs, cana-de-açúcar e solo no Experimento 2 e o obtido no experimento EP3 resultado da análise de seis espécies de PDs e cana-de-açúcar.
No experimento EP3, SANTIAGO (2015) apresentou resultados por classes, sendo possível fazer a seguinte comparação com os resultados do classificador RNA do Experimento 2, da análise do dia 10/07/2017:
a) a Exatidão do Produtor ou Taxa de Acertos, para PD o experimento EP3 obteve 6,5 pontos percentuais acima do classificador RNA do Experimento 2, em contrapartida, em relação a cana-de-açúcar o EP3 ficou 4,4 pontos percentuais abaixo do classificador RNA do Experimento 2.
b) a Exatidão do Usuário ou Precisão, para PD o experimento EP3 obteve 4,6 pontos percentuais acima do classificador RNA do Experimento 2, em contrapartida, em relação a cana-de-açúcar o EP3 ficou 9,2 pontos percentuais abaixo do classificador RNA do Experimento 2.
Fazendo-se a mesma comparação de classes entre o experimento EP3 de SANTIAGO (2015) e o classificador RNA do Experimento 2, da análise do dia 01/08/2017:
a) a Exatidão do Produtor ou Taxa de Acertos, para PD o experimento EP3 obteve 7,5 pontos percentuais acima do classificador RNA do Experimento 2 e em relação a cana- de-açúcar o EP3 ficou, novamente acima, em 6,6 pontos percentuais do classificador RNA do Experimento 2.
b) a Exatidão do Usuário ou Precisão, para PD o experimento EP3 obteve 4,7 pontos percentuais acima do classificador RNA do Experimento 2 e em relação a cana-de- açúcar o EP3 ficou, novamente acima, em 7,1 pontos percentuais do classificador RNA do Experimento 2.
Observando o melhor DG e, também, o melhor desempenho por classes, principalmente em relação a análise do dia 01/08/2017, podemos concluir que o trabalho de SANTIAGO (2015) teve desempenho superior em relação ao classificador RNA do Experimento 2, mas considerando-se, que o Experimento 2 foi realizado por sensoriamento
remoto, com menor resolução e obteve coeficiente Kappa superior, os resultados alcançados no Experimento 2 também podem ser considerados bons.
Comparando os resultados do Experimento 2 com os obtidos por PEÑA et al. (2015) em ambas as análises (de 10/07/2017 e 01/08/2017), tanto para cultura como para PD, PEÑA et al. (2015) obteve resultados superiores em todas as análises a 40 m de altura, ou seja, em 44, 50 e 57 DAS (Tabela 22).
Nesta primeira comparação, o agrupamento das PDs em uma classe foi por meio do cálculo da média da Exatidão do Produtor ou Taxas de Acerto, no entanto, os classificadores trabalharam com as PDs separadas por espécie, isto aumenta a complexidade do problema, por isto foi feito novo processo de treinamento e validação agrupando-se as PDs em uma única classe, cujos resumos dos resultados foram transportados para a Tabela 26 e os resultados por classes estão nas Tabelas 27 e 28, cujas matrizes de confusão encontram-se nos apêndices 7 e 8.
Observando a Tabela 26, nota-se que houve melhora significativa tanto do DG quanto do coeficiente Kappa. Os classificadores tiveram DG entre 90% e 96% na análise do dia 10/07/2017 e entre 85% e 87% na análise do dia 01/08/2017. Em relação ao coeficiente Kappa na análise do dia 10/07/2017, os classificadores tiveram desempenho entre 0,81 e 0,92, que indica concordância quase perfeita ou ótima concordância e para a análise do dia 01/08/2017 tiveram desempenho entre 0,70 e 0,74 que indica concordância substancial ou boa concordância. Pelos resultados apresentados houve a confirmação de que com menos classes melhora o desempenho dos classificadores (ZHANG et al., 2016), bem como, houve aproximação do desempenho dos classificadores, principalmente enre RNA e RF, cuja diferença de DG ficou abaixo de 1 ponto percentual. E o classificador kNN, também, teve desempenhos considerados ótimo e bom, em relação às análises dos dias 10/07/2017 e 01/08/2017, respectivamente.
Nesta nova condição, agrupando-se as PDs em uma única classe, e fazendo a comparação com os reultados alcançados por PEÑA et al. (2015) em:
a) Análise do dia 10/07/2017: o classificador RNA para PDs foi superior aos três melhores resultados de PEÑA et al. (2015) e em relação a cana-de-açúcar o classificador RNA foi superior aos 50 e 57 DAS, somente ficando abaixo aos 44 DAS; b) Análise do dia 10/07/2017: o classificador RNA para PDs foi superior aos três melhores resultados de PEÑA et al. (2015) e em relação a cana-de-açúcar, PEÑA et al. (2015) teve desempenho superior nos três resultados utilizados nesta comparação.
Nesta segunda comparação, fazendo-se o treinamento dos classificadores agrupando-se as PDs em uma única classe, o SIPD com o classificador RNA superou PEÑA et al. (2015) em oito das doze comparações (seis comparações de PDs e duas comparações de cana-de-açúcar), ainda que em PEÑA et al. (2015) o voo tenha sido a alturas bem maiores, fez a identificação das PDs somente nas entrelinhas da lavoura de girassóis, por este motivo o SIPD pode ser considerada uma boa ferramenta para identificação de PDs e pode ser utilizado para fazer-se a identificação em qualquer parte da lavoura, seja nas entrelinhas da cultura, seja com sobreposição de folhas.
Tabela 24.EP (Taxa de Acerto) e EU (Precisão) do Experimento 2 - referente a Análise 10/07/2017 Classes RNA RF kNN EP (Acerto) (%) EU (Precisão) (%) EP (Acerto) (%) EU (Precisão) (%) EP (Acerto) (%) EU (Precisão) (%) PDs P. maximum 25,0 50,0 10,0 40,0 10,0 20,0 I. hederifolia 100,0 58,8 100,0 64,5 95,0 73,1 E. heterophylla 75,0 83,3 80,0 59,3 65,0 46,4 B. decumbens 50,0 58,8 50,0 62,5 30,0 35,3 Média PDs 62,5 62,7 60,0 56,6 50,0 43,7 Cultura Cana-de- açúcar 85,0 81,0 70,0 77,8 65,0 81,3 Média Plantas 67,0 66,4 62,0 60,8 53,0 51,2 Solo 100,0 100,0 100,0 87,0 95,0 82,6 Média Geral 72,5 72,0 68,3 65,2 60,0 56,4
Tabela 25.EP (Taxa de Acerto) e EU (Precisão) do Experimento 2 - referente a Análise 01/08/2017 Classes RNA RF kNN EP (Acerto) (%) EU (Precisão) (%) EP (Acerto) (%) EU (Precisão) (%) EP (Acerto) (%) EU (Precisão) (%) PDs P. maximum 48,0 57,1 34,0 58,6 28,0 50,0 I. hederifolia 90,0 81,8 54,0 71,1 40,0 43,5 E. heterophylla 94,0 72,3 86,0 50,6 70,0 47,3 B. decumbens 36,0 46,2 30,0 34,1 32,0 30,2 Média PDs 67,0 64,4 51,0 53,6 42,5 42,8 Cultura Cana-de- açúcar 64,0 65,3 56,0 51,9 56,0 57,1 Média Plantas 66,4 64,5 52,0 53,3 45,2 45,6 Solo 100,0 100,0 96,0 96,0 98,0 98,0 Média Geral 72,0 70,5 59,3 60,4 54,0 54,4
Tabela 26. Resultados do Experimento 2 Agrupando-se as PDs em uma Única Classe
RNA RF kNN
DG (%) Kappa DG (%) Kappa DG (%) Kappa 10/07/2017 95,83 0,9174 95,00 0,8983 90,83 0,8151 01/08/2017 86,67 0,7368 86,67 0,7232 85,33 0,7057
Tabela 27. EP (Taxa de Acerto) e EU (Precisão) do Experimento 2 - referente a Análise 10/07/2017 Agrupando Todas as PDs em uma Única Classe
Classes RNA RF kNN EP (Acerto) (%) EU (Precisão) (%) EP (Acerto) (%) EU (Precisão) (%) EP (Acerto) (%) EU (Precisão) (%) PDs 96,3 97,5 97,5 95,1 95,0 93,8 Cana-de-açúcar 90,0 85,7 80,0 88,9 65,0 76,5 Média Plantas 95,0 95,1 94,0 93,9 89,0 90,3 Solo 100,0 100,0 100,0 100,0 100,0 90,9 Média Geral 95,8 95,9 95,0 94,9 90,8 90,4
Tabela 28.EP (Taxa de Acerto) e EU (Precisão) do Experimento 2 - referente a Análise 01/08/2017 Agrupando Todas as PDs em uma Única Classe
Classes RNA RF kNN EP (Acerto) (%) EU (Precisão) (%) EP (Acerto) (%) EU (Precisão) (%) EP (Acerto) (%) EU (Precisão) (%) PDs 89,0 90,8 93,0 88,2 89,5 89,1 Cana-de-açúcar 64,0 59,3 48,0 66,7 56,0 57,1 Média Plantas 84,0 84,5 84,0 83,9 82,8 82,7 Solo 100,0 100,0 100,0 94,3 98,0 98,0 Média Geral 86,7 87,1 86,7 85,6 85,3 85,2
O procedimento adotado para geração dos resultados visuais do Experimento 2 foram os mesmos para utilizados no Experimento 1, a única diferença foi que em uma mesma imagem foi possível identificar as cinco espécies de plantas que participaram do processo de identificação, ficando mais próximo de uma situação real de campo.
A Figura 32 apresenta uma imagem com as quatro espécies de PDs e a cultura (cana-de-açúcar), utilizada para validação dos modelos do Experimento 2 da análise do dia
10/07/2017, a partir da qual, a fim de melhorar a visualização, foi extraída a Figura 33, retirando-se partes fora do interesse de identificação, tais como os trens de pouso da RPA.
A Figura 33a é a parte original da Figura 32, a Figura 33b é a mesma área da Figura 33a com as amostras para validação extraídas, a Figura 33c é a parte da Figura 32 com as PDs e cana-de-açúcar identificadas segundo código de cores: vermelho para cana-de- açúcar, azul para P. maximum, amarelo para I. hederifolia, laranja para E. heterophylla e violeta para B. decumbens e a Figura 33d apresenta as PDs agrupadas em uma única classe em azul e a cana-de-açúcar em vermelho.
Figura 32 Imagem utilizada para extração de amostras e validação de modelos da análise do dia 10/07/2017.
(a)
(c)
Figura 33 Parte de imagem da Figura 32 utilizada para validação de modelos do Experimento 2 na análise do dia 10/07/2017 (a), a mesma parte com amostras extraídas (b), com PDs e cana-de-açúcar identificadas por código de cores (c) e com as PDs agrupadas em uma única classe em azul e vermelho para cana-de-açúcar (d).
A Figura 34, assim com a Figura 32, apresenta uma imagem com as quatro espécies de PDs e cana-de-açúcar, utilizada para validação dos modelos do Experimento 2 da análise do dia 01/08/2017, a partir da qual, foi extraída a Figura 35, com o objetivo de facilitar a visualização apenas das cinco espécies de plantas escolhidas participantes do processo de identificação.
Figura 34 Imagem utilizada para extração de amostras e validação de modelos da análise do dia 01/08/2017.
A Figura 35a é a parte com somente as cinco plantas escolhidas para identificação da Figura 34, a Figura 35b é a Figura 35a com as amostras para validação extraídas, a Figura 35c é a Figura 35a com as PDs e cana-de-açúcar identificadas segundo código de cores: vermelho para cana-de-açúcar, azul para P. maximum, amarelo para I. hederifolia, laranja para